一种基于图像处理技术的黑烟车智能监控识别方法与流程

本发明涉及图像模式识别及智能交通领域，具体是关于智能交通系统中采用图像处理技术来识别车辆是否排放黑烟的一种方法，特别针对大型工程车辆和排放超标车辆。

背景技术：

黑烟车的污染一直是机动车环保的重点和难点，现阶段柴油车排放黑烟现象仍十分严重，一个城市80%的机动车污染物是由20%的高污染车排放的，其中中重型柴油车是排放大户。一辆重型柴油车排放的污染物相当于500辆小型轿车的排放量1：300~500。一个城市管好了1万辆的重型柴油车就相当于管好了300-500万辆小型汽车。所以研究一种通过机器视觉的图像处理算法来解决这一问题成为一种必然的趋势。

传统的黑烟车管理办法主要有两种，一种是人工路检模式，一种的人工查看监控视频的模式，两种模式虽然在一定程度上减少了黑烟车的污染，但由于机动车保有量的急剧增长，交通的繁忙，拦车路检和人工查看视频不但效率低下，而且存在诸多困难，机动车环保亟待自动化程度高的在线监控模式。

技术实现要素：

为了克服上述现有技术方法的的问题和不足，实现高效智能的自动化检测和识别黑烟车辆，本发明提供了一种基于图像处理的黑烟车智能监控识别方法。

本发明所采用的技术方案是：

利用交通卡口高清摄像机采集实时视频数据流；

采用变间隔背景均值采样技术，根据路面变化的程度调节间隔采样的时间参数ptime，采样时采取连续的8秒的视频，利用多帧图像均值算法提取路面背景信息。

根据采集的视频流，对每一帧图像采用小车过滤算法实时的过滤小型车辆和非机动车辆，减少图像处理的数据量，提高算法效率；

检测过滤后的每一帧图像是否有大型车辆，若存在大型车辆则对其尾部排烟进行定位。

将尾气排放的定位区域图像与背景区域图像进行数据对比，判断该车辆是否为黑烟车辆。

本发明的技术效果在于：利用计算机的高效性，设计自动化的黑烟车识别技术，根据数据分析来判断车辆是否存在黑烟问题。

附图说明

图1是背景提取效果

图2是帧差分法的说明分析图

图3是黑烟定位效果图

图4是本发明的整体流程图。

具体实施方式

下面结合附图，对本发明作进一步的详细说明。图4了本发明的整体流程图。

如图1所示，本发明由背景提取模块s1，过滤小车模块s2，尾部排烟定位模块s3，判别模块s4这四个模块构成。

s1:首先针对一段交通监控视频，第一步需要提取其背景信息，背景就是该时刻该画面没有车辆和其他运动的物体出现时的路面情况，运用变间隔背景采样法，根据路面变化的情况，实时调节背景采样的间隔时间，当前一次采样的背景和当前采样背景有较大变化时，则缩短下一次采样的时间间隔，否则保持当前的采样间隔。利用变间隔采样背景的方式能有效的适应天气变化和路面的变化，以及自适应的调节采样的间隔，最大化算法的效率和准确性。避免当路面情况发生改变时，变化后的路面和采集到背景会有较大的出入，严重影响后续的处理的结果。

运用变间隔背景采样策略能更好的适应复杂的背景变化。提取的背景图像保存下来将在后续处理阶段利用上。背景提取算法采用多帧图像均值算法，提取一段m秒左右的视频，每秒有p帧图像，利用式1计算每一个像素点的平均值作为背景的像素，其中n=m*p是总的图片帧数r、g、b分别是第i帧图片的rgb通道的值。图1背景提取的效果图。

s2:利用帧差分法计算出车辆的位置以及大概的车辆形态信息。该方法能够在三个连续图像帧中仅保留运动对象的轨迹,并同时去除不稳定对象的干扰,因此,当检测对象在不同时刻发生较大变化时,帧差法具有较好的适用性。具体原理如下：

从视频中提取连续的三帧灰度图像,按照时间顺序依次记作fk-1、fk、fk+1,按照式2将当前帧图像fk与其前一帧图像fk-1,作差并阈值化得到二值图dk-1,k。同理fk与其后一帧图像fk+1,作差并阈值化得到二值图像dk,k+1。二值图像dk-1,k和dk,k+1中,像素为“0”的区域代表静止的背景,像素为“1”的区域代表运动的前景。然后令两张二值图像作逻辑“与”运算,从而在当前帧fk中提取出运动目标区域。具体过程

如图2示。

检测出车辆的位置以及形态信息后，进行车辆连通区域的处理，计算出车辆的坐标以及车辆的数量，采用对每一个连通区域进行逐行逐列的扫描分析得出车辆的大小，将车辆长宽不足预设参数的小型车辆和无关车辆去除，排除干扰减少对黑烟车的判断次数。

s3:尾部排烟定位模块完成对车辆排气管的定位，在s2完成后，得到的每一辆大型车辆的位置信息，s3中将利用s2的到的位置信息，取车辆尾部往下的des的距离，距离车辆左边界ldes,距离车辆右边界rdes为排烟区域，des、ldes、rdes的值由车辆的长宽和车辆在图像的位置相关。

s4:判别模块,这一步将运用到s1的背景信息，s2的车辆位置信息以及s3的到的尾部排烟位置，综合可得出结果，具体步骤如下：

当对a车辆进行黑烟车判断时，首先判断该车辆是否完全出现在监控画面中，并距离画面的左边界与右边界一定的像素点距离。

将车辆尾部排烟定位区域用一个矩形框提取出，矩形框的大小与车辆的长宽相关。

计算车辆尾部排烟定位区域矩形框内像素点的值记为q1，在背景图像中取同样的矩形框位置并计算背景图像的矩形框内的像素点的rgb值记为q2，z=│q1-q2│，根据z的阈值进行分段判断，当z<10时，判断为非黑烟车辆，当z>20时判断为黑烟车辆,为非黑烟车辆时不进行输出，当判断为黑烟车辆时，根据z值的大小判断出不同的黑烟级别，输出该车辆排放黑烟的截图并保存，结果如图3所示。

技术特征：

技术总结
本发明公开了一种基于图像处理技术的黑烟车智能监控识别方法，该方法包括：步骤一、利用视频采集卡采集交通卡口高清实时视频数据流；步骤二、采用变间隔背景均值采样技术，根据路面变化的程度调节间隔采样的时间，再利用多帧图像均值算法提取路面背景信息；步骤三、根据采集的视频流，对每一帧图像采用小车过滤算法实时的过滤小型车辆和非机动车辆，减少图像处理的数据量，提高算法效率；步骤四、对每一帧图像中的大型车辆尾部排烟进行定位；步骤五、将尾气排放的定位区域图像与背景区域图像进行数据对比，判断该车辆是否为黑烟车。本发明所公开的黑烟车智能监控识别方法能提高检测效率，利用计算机技术来判断车辆是否存在黑烟问题。

技术研发人员：范朝冬;任柯;易灵芝;齐涵;刘颖南;李杰
受保护的技术使用者：湘潭大学
技术研发日：2016.12.27
技术公布日：2017.07.14